stride-gpt

输入应用描述,几分钟自动生成 STRIDE 威胁模型

开源 🏷️定价信息待确认 🚫 站点已失效 评测安全 🍴 复刻 337 🐛 待处理 23 👀 关注 18
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1149
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

stride-gpt 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类评测安全
开发团队mrwadams
定价模式🏷️定价信息待确认
价格说明Streamlit在线应用,需自备OpenAI API Key,定价信息待确认
访问状态🚫 站点已失效
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-security,application-security,attack-trees,cybersecurity,dread,generative-ai,llm,mcp,mitre-attack,security-tools,streamlit,stride,threat-modeling
GitHub 星标★ 1149
上线时间2023-04-10 00:00:00
代码更新2026-11-02
仓库体积93.2 MB
本站数据更新2026-11-03
维护状态活跃
收录时间2026-09-16
浏览次数1

项目介绍

stride-gpt 是一个基于 OpenAI GPT 模型的 AI 威胁建模工具,面向安全工程师、架构师和开发团队。它解决的核心问题是传统威胁建模高度依赖专家经验、耗时长且容易遗漏,尤其在敏捷开发节奏下很难持续开展。用户只需提供应用描述或架构信息,工具即可按 STRIDE 方法论(欺骗、篡改、否认、信息泄露、拒绝服务、权限提升)自动生成结构化威胁模型,并支持 DREAD 风险评级、攻击树生成以及 MITRE ATT&CK 映射,还能通过 MCP 与外部工具集成。它把原本需要数小时的安全评审压缩到分钟级,让威胁建模能更早介入设计阶段,降低后期修复成本。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 1149

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 10 分钟 部署方式:Docker 5 步

环境要求

  • 已安装 Docker(用于 Web UI 方式)
  • 已安装 Python 与 pip(用于 CLI 方式)
  • 准备好 LLM 服务商的 API 密钥
  • 可访问 Docker Hub 拉取镜像的网络环境

安装与启动步骤

  1. 1拉取镜像

    从 Docker Hub 拉取官方 Streamlit Web UI 镜像,镜像较大,网络慢时可配置国内加速源。

    docker pull mrwadams/stridegpt:latest
  2. 2准备 .env 文件

    在运行 docker run 的目录下新建 .env 文件并写入模型 API 密钥,启动时通过 --env-file 加载。README 未列出具体变量名,请对照仓库示例填写。

  3. 3启动 Web UI 容器

    映射 8501 端口并加载 .env 启动容器,缺少 .env 或密钥时会启动失败或无法生成威胁模型。

    docker run -p 8501:8501 --env-file .env mrwadams/stridegpt
  4. 4访问界面

    在浏览器打开本机 8501 端口,填写应用类型、认证方式、是否面向互联网等信息后即可生成 STRIDE 威胁模型。

  5. 5可选安装 CLI

    命令行版本通过 pip 安装,官方说明 CLI 没有单独镜像;如需沙箱运行需自行基于最小 Python 基础镜像构建。

    pip install stride-gpt

关键配置

配置项必填说明示例
.env 文件是存放 LLM API 密钥,docker run 时通过 --env-file 传入OPENAI_API_KEY=sk-xxxxxxxx
容器端口 8501是Web UI 监听端口,需映射到宿主机后访问-p 8501:8501

如何确认成功

浏览器访问 http://localhost:8501,能看到 Streamlit 页面并成功生成威胁模型即部署成功。

常见问题

Q:不用 Docker 可以吗?

A:可以,CLI 版本用 pip install stride-gpt 安装;README 明确说明 CLI 没有单独的 Docker 镜像。

Q:团队多人部署要注意什么?

A:默认不含认证授权,README 建议自行添加认证、用密钥管理服务存 API Key、部署在 VPN 或内网,并参考 SECURITY.md。

Q:容器启动后页面打不开?

A:确认 docker run 已带上 -p 8501:8501 端口映射,并检查本机 8501 端口未被占用、.env 文件路径正确。

Q:需要沙箱化的 CLI 环境怎么办?

A:README 建议自行基于最小 Python 基础镜像构建 CLI 镜像,官方不提供独立 CLI 镜像。

注意事项

  • README 节选只包含 Installation 的 Option 3(Docker)与 CLI 的 pip 安装,Option 1/2 内容缺失,建议查看仓库 Installation 章节确认完整步骤。
  • .env 中的变量名未在本节选中给出,示例值仅作格式参考,实际请对照仓库示例文件填写。
  • 企业/组织级部署可参考 docs/operationalization-guide.md 与 SECURITY.md,注入自有安全控制与合规要求。

核心亮点

  • 按 STRIDE 方法论输出结构化威胁清单,并支持 DREAD 评级和攻击树,结果可直接用于安全评审
  • 集成 MITRE ATT&CK 映射与 MCP,便于对接现有安全工具链和情报体系
  • Python 实现、部署轻量,提供 Web 界面,安全团队无需搭建复杂平台即可试用

不足之处

  • 依赖 OpenAI API,需自备密钥且产生调用费用,离线或内网环境使用受限
  • 生成质量受输入描述和模型能力影响,可能遗漏业务特定威胁,仍需人工复核

适用场景

  • 新系统架构设计阶段快速产出初版威胁模型
  • 安全团队对既有应用做周期性威胁建模复审
  • 开发团队在 CI/设计评审前自查潜在安全风险

替代项目

Threat Dragon、pytm、IriusRisk

同类项目推荐

vigil-llm 开源

给LLM输入装个安检门,拦截提示注入和越狱攻击

⚡ Vigil ⚡ Detect prompt injections, jailbreaks, and other potentially risky Large···

★ 509 2026-08-09
openai-guardrails-js 开源

给 LLM 应用加一道输入输出安检门,拦截越狱与敏感内容

OpenAI Guardrails - TypeScript / JavaScript

★ 113 2026-09-26
defenseclaw 开源

给自主 AI Agent 套上可审计的安全护栏

Security Governance for Agentic AI

★ 903 2026-10-12
fusion_bench 开源

一站式评估和实现深度模型融合,快速对比多种融合算法效果

FusionBench: A Comprehensive Benchmark/Toolkit of Deep Model Fusion

★ 244 2026-08-09
nannyml 开源

模型上线后,用 nannyml 自动盯漂移和性能,提前报警

nannyml: post-deployment data science in python

★ 2161 2026-08-09
uncheatable_eval 开源

用最新网络数据动态出题,防止模型背答案刷分

Evaluating LLMs with Dynamic Data

★ 130 2026-10-23
LLM-eval-survey 开源

一张图看懂大模型评估,从基准到方法全覆盖

The official GitHub page for the survey paper "A Survey on Evaluation of Large Langu···

★ 1615 2026-08-09
eva 开源

一套框架,全面衡量语音代理表现,快速定位短板。

A New End-to-end Framework for Evaluating Voice Agents

★ 235 2026-08-09